«Цифровые индустриальные технологии» (ФГАУ «ЦИТ») провёл опрос в своём телеграм-канале о том, что больше всего мешает внедрять искусственный интеллект на производстве. Большинство ответов свелось к одному: не хватает людей, которые умеют доводить цифровые решения до реального станка. Намного реже называли сопротивление персонала и совсем редко — стоимость программ.
Что за «люди» нужны? Для проектов с ИИ важно собрать связку из тех, кто понимает данные, тех, кто строит модели, и тех, кто знает сам производственный процесс. Инженер по данным аккуратно собирает показания датчиков и систем, чтобы с ними можно было работать. Разработчик моделей обучает алгоритмы предсказывать брак, поломки или лишние простои. Технолог или производственник объясняет, как на самом деле устроена линия и где тонко. Отдельная роль — специалисты, которые запускают модели в реальную работу и следят, чтобы они не «плыли» со временем: это, по сути, правила эксплуатации ИИ, похожие на обычный регламент обслуживания оборудования.
Почему сотрудники порой сопротивляются? Всё просто: людям страшно, когда рядом появляется «чёрный ящик» и непонятно, что будет с их ролью. Если не объяснить, что поменяется и какую пользу получит конкретный человек — меньше рутины, меньше авралов, понятные премии за идеи — проект встанет. Работают открытые разговоры на площадке, живые примеры «как было» и «как стало» и чёткое распределение ответственности.
Деньги на софт — вопрос важный, но не ключевой. Программы и железо можно посчитать заранее. Гораздо больше времени и усилий уходит на подготовку данных, подключение к оборудованию, обучение людей и дальнейшую поддержку решения. Если команда сильная и процесс выстроен, экономия начинается уже на запуске.
С чего начинать предприятиям? Полезно назначить ответственного за ИИ именно со стороны бизнеса, а не только ИТ — того, кто отвечает за снижение брака, простоя или расхода энергии. Вокруг него собирается небольшая рабочая группа из ИТ, специалистов по автоматике и людей из цеха. Первые шаги лучше делать короткими пилотами на реальных операциях и с понятными целями. Параллельно стоит навести порядок в данных: понять, откуда они берутся, какого качества, кто и как их выгружает. Это скучно, но без этого ИИ остаётся красивой презентацией.
Кадровый разрыв можно закрывать уже в этом году. Хорошо работает выращивание специалистов из своих технологов и диспетчеров: дайте им практику на реальных данных с наставником и доведите хотя бы один небольшой кейс до внедрения. Внешних экспертов удобно привлекать проектно — на период запуска и настройки. Чтобы притягивать талантливых людей извне, делайте задачи «вкусными»: проводите небольшие хакатоны, берите студентов на проекты с настоящими данными (всё по соглашениям о неразглашении), показывайте результат. Там, где не нужна «тяжёлая математика», используйте простые инструменты без кода — они разгружают редких инженеров и ускоряют работу.
Итог простой. Сегодня узкое место — не технологии, а люди, которые умеют соединить алгоритмы с реальным производством. Побеждают те, кто строит у себя «конвейер талантов», объясняет сотрудникам смысл изменений и внедряет ИИ не словами, а результатом. Мы продолжим опираться на опросы партнёра Ассоциации инновационных решений и искусственного интеллекта «Регионы XXI ВЕК» — «Цифровые индустриальные технологии» (ФГАУ «ЦИТ») и добавлять отраслевую аналитику по рынку труда в ИИ, чтобы картина была полной.
Что за «люди» нужны? Для проектов с ИИ важно собрать связку из тех, кто понимает данные, тех, кто строит модели, и тех, кто знает сам производственный процесс. Инженер по данным аккуратно собирает показания датчиков и систем, чтобы с ними можно было работать. Разработчик моделей обучает алгоритмы предсказывать брак, поломки или лишние простои. Технолог или производственник объясняет, как на самом деле устроена линия и где тонко. Отдельная роль — специалисты, которые запускают модели в реальную работу и следят, чтобы они не «плыли» со временем: это, по сути, правила эксплуатации ИИ, похожие на обычный регламент обслуживания оборудования.
Почему сотрудники порой сопротивляются? Всё просто: людям страшно, когда рядом появляется «чёрный ящик» и непонятно, что будет с их ролью. Если не объяснить, что поменяется и какую пользу получит конкретный человек — меньше рутины, меньше авралов, понятные премии за идеи — проект встанет. Работают открытые разговоры на площадке, живые примеры «как было» и «как стало» и чёткое распределение ответственности.
Деньги на софт — вопрос важный, но не ключевой. Программы и железо можно посчитать заранее. Гораздо больше времени и усилий уходит на подготовку данных, подключение к оборудованию, обучение людей и дальнейшую поддержку решения. Если команда сильная и процесс выстроен, экономия начинается уже на запуске.
С чего начинать предприятиям? Полезно назначить ответственного за ИИ именно со стороны бизнеса, а не только ИТ — того, кто отвечает за снижение брака, простоя или расхода энергии. Вокруг него собирается небольшая рабочая группа из ИТ, специалистов по автоматике и людей из цеха. Первые шаги лучше делать короткими пилотами на реальных операциях и с понятными целями. Параллельно стоит навести порядок в данных: понять, откуда они берутся, какого качества, кто и как их выгружает. Это скучно, но без этого ИИ остаётся красивой презентацией.
Кадровый разрыв можно закрывать уже в этом году. Хорошо работает выращивание специалистов из своих технологов и диспетчеров: дайте им практику на реальных данных с наставником и доведите хотя бы один небольшой кейс до внедрения. Внешних экспертов удобно привлекать проектно — на период запуска и настройки. Чтобы притягивать талантливых людей извне, делайте задачи «вкусными»: проводите небольшие хакатоны, берите студентов на проекты с настоящими данными (всё по соглашениям о неразглашении), показывайте результат. Там, где не нужна «тяжёлая математика», используйте простые инструменты без кода — они разгружают редких инженеров и ускоряют работу.
Итог простой. Сегодня узкое место — не технологии, а люди, которые умеют соединить алгоритмы с реальным производством. Побеждают те, кто строит у себя «конвейер талантов», объясняет сотрудникам смысл изменений и внедряет ИИ не словами, а результатом. Мы продолжим опираться на опросы партнёра Ассоциации инновационных решений и искусственного интеллекта «Регионы XXI ВЕК» — «Цифровые индустриальные технологии» (ФГАУ «ЦИТ») и добавлять отраслевую аналитику по рынку труда в ИИ, чтобы картина была полной.